數(shù)字圖像處理期末考試題

1、數(shù)字圖像處理技術(shù)與應(yīng)用練習題說明：不允許直接使用MATLAB（或者OPENCV等等軟件）所帶的圖像圖像函數(shù)，重點考察大家是否理解了各種處理算法，算法可用偽代碼描述。算法應(yīng)較詳細。1、 設(shè)一幅大小為MN的灰度圖像I中，灰度為g的像素數(shù)為h(g)， 。 請寫出對圖像I進行直方圖均衡化，得到圖像J的計算方法。clc;clear;I= imread(a.jpg);I= rgb2gray(I) ; %將圖像轉(zhuǎn)換為灰度圖像J= histeq( I) ; %對I 進行直方圖均衡化subplot( 121) ,imshow(I) ,title(原始圖像) ;subplot (122), imshow(J),

2、title(直方圖均衡化后的圖像);figure( 2) ;subplot( 121) ,imhist(I, 64), title( 原始的直方圖);subplot( 122) ,imhist(J,64) ,title( 均衡化后的直方圖);2、 設(shè)一幅大小為MN的灰度圖像I中，現(xiàn)要變成（放大或縮小）為 PQ的圖像J，請寫出J的生成算法（可以使用近鄰插值）。I=imread(f.jpg);%讀入圖像%圖像屬性% Filename: f.jpg% FileModDate: 24-Aug-2008 16:50:30% FileSize: 20372% Format: jpg% FormatVers

3、ion: % Width: 480% Height: 640% BitDepth: 8% ColorType: grayscale% FormatSignature: % NumberOfSamples: 1% CodingMethod: Huffman% CodingProcess: Sequential% Comment: rows,cols=size(I);K1 = str2double(inputdlg(請輸入行縮放倍數(shù), INPUT scale factor, 1, 0.6);%行默認變?yōu)樵瓉淼?.6倍K2 = str2double(inputdlg(請輸入列縮放倍數(shù), INPUT

4、scale factor, 1, 0.4);%列默認變?yōu)樵瓉淼?.4倍width = K1 * rows; height = K2 * cols;im2 = uint8(zeros(width,height); %定義輸出圖像矩陣widthScale = rows/width;heightScale = cols/height;for x = 6:width - 6 %為防止矩陣溢出而選擇的參數(shù)6 for y = 6:height - 6 oldX = x * widthScale; %oldX，oldY為原坐標，x，y為新坐標 oldY = y * heightScale; if (oldX

5、/double(uint16(oldX) = 1.0) & (oldY/double(uint16(oldY) = 1.0) im2(x,y) = I(int16(oldX),int16(oldY); else a = double(round(oldX); b = double(round(oldY); %若不是整數(shù)四舍五入后把臨近值賦過去 im2(x,y) = I(a,b); end endendimshow(I); %輸出原圖像figure;imshow(im2); %輸出縮放后圖像3、 設(shè)一幅大小為MN的灰度圖像I中，現(xiàn)要將其逆時針旋轉(zhuǎn) A度，得到圖像J，請寫出J的生成算法（可以使用近

6、鄰插值）。clear;%此題是用最近鄰域法實現(xiàn)圖像旋轉(zhuǎn)im1=imread(b.jpg);m,n,p=size(im1);% 將圖像旋轉(zhuǎn)30度a=0.5; %a=sin30=0.5b=0.866; %b=cos30=0.866row=n*a+m*b;col=n*b+m*a;for i=1:row %先把圖象填充成全黑 for j=1:col im2(i,j,:)=uint8(0); endend for i=1:m %把原圖象像素點旋轉(zhuǎn)后變?yōu)樾聢D象點 for j=1:n xx=round(abs(i-m/2)*b-(j-n/2)*a+row/2); yy=round(abs(i-m/2)*a+

7、(j-n/2)*b+col/2); for k=1:3 im2(xx,yy,k)=im1(i,j,k); end endendtemp1=uint8(0);temp2=uint8(0);temp3=uint8(0);for i=1:row %把畫面上的空點按照最近鄰插值法填充 temp1=uint8(0); temp2=uint8(0); temp3=uint8(0); for j=1:col %找到最右的圖象邊界點 if (im2(i,j,:)=uint8(0) else kk=j; end end for j=1:kk if (im2(i,j,:)=uint8(0) im2(i,j,1)=

8、temp1; im2(i,j,2)=temp2; im2(i,j,3)=temp3; else temp1=im2(i,j,1); temp2=im2(i,j,2); temp3=im2(i,j,3); end endend imshow(im1);figure;imwrite(im1,5.jpg); %保存原圖像imshow(im2);imwrite(im2,6.jpg);%保存旋轉(zhuǎn)后圖像4、 請寫出生成 （2N+1）（2N+1）大小的高斯模板H（方差為sigma）的方法。5、 請寫出生成 （2N+1）（2N+1）大小的高斯一階導數(shù)模板HX(水平方向的梯度)、HY（垂直方向的梯度）（高斯的方

9、差為sigma）的方法。6、請寫出使用大小為（2N+1）（2N+1）模板H對圖像I進行濾波，生成圖像J的方法。7、請寫出使用大小為33的模板對圖像I進行中值濾波，生成圖像J的方法。clear; A=imread(num22,bmp); subplot(1,2,1); B=rgb2gray(A); subimage(B); title(處理前的圖); C=B; xsize=size(B); for k=2:(xsize(1)-1) for j=2:(xsize(2)-1) t=B(k-1:k+1,j-1:j+1); C(k,j)=median(t(1:9); end end subplot(1,

10、2,2); subimage(C); title(處理后的圖);8、 請寫出求 Otsu閾值（即最大類間距準則）的計算方法。 試證明采用最大類間距準則計算出的閾值與采用最小類內(nèi)距準則計算出的閾值相同。9、 設(shè)有一幅二值圖像（元素取值為0或1），請生成該圖像的標記圖像。（即第一個連通區(qū)域中的每一個白色像素的值都置為1，第二個連通區(qū)域中的每一個白色像素的值都置為2，依此類推。區(qū)域編號可不考慮順序）clear all;close all;clc;img=imread(liantong.bmp);imgn=img128;s=uint8(1-imgn); % s=0 0 0 0 0 0 0 0 0 0

11、0 0 0 0 0 0 0;0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0; %這個矩陣是維基百科中的矩陣1 1 1 1 1 1 1 1 0 0 1 1 1 1 0 0;0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0;0 1 1 1 1 0 0 0 1 1 1 0 0 1 1 0;1 1 1 0 0 1 1 0 0 0 1 1 1 0 0 0;0 1 1 0 0 0 0 0 1 1 0 0 0 1 1 0;0 0 0 0 0 1 1 1 1 0 0 1 1 1 1 0;0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;%imshow(mat2gra

12、y(s);m n=size(s);tmp=zeros(m,n); %標記圖像label=1;queue_head=1; %隊列頭queue_tail=1; %隊列尾neighbour=-1 -1;-1 0;-1 1;0 -1;0 1;1 -1;1 0;1 1; %和當前像素坐標相加得到八個鄰域坐標for i=2:m-1 for j=2:n-1 if s(i,j)=1 & tmp(i,j) =0 tmp(i,j)=label; qqueue_tail=i j; %用元組模擬隊列，當前坐標入列 queue_tail=queue_tail+1; while queue_head=queue_tail

13、 pix=qqueue_head; for k=1:8 %8鄰域搜索 pix1=pix+neighbour(k,:); if pix1(1)=2 & pix1(1)=2 &pix1(2)=n-1 if s(pix1(1),pix1(2) = 1 & tmp(pix1(1),pix1(2) =0 %如果當前像素鄰域像素為1并且標記圖像的這個鄰域像素沒有被標記，那么標記 tmp(pix1(1),pix1(2)=label; qqueue_tail=pix1(1) pix1(2); queue_tail=queue_tail+1; end end end queue_head=queue_head+

14、1; end clear q; %清空隊列，為新的標記做準備 label=label+1; queue_head=1; queue_tail=1; end endend10、設(shè)一幅二值圖像中，只有一個白色區(qū)域，試給出求該區(qū)域外圍輪廓線的方法（要求按順時針的順序給出各點的坐標，即行/列號）。 輪廓提取的算法很多，本題對于二值圖像可以用一個簡單的算法進行處理，首先遍歷圖像中的每一個像素點，查看該點像素值是否為白色像素點；若是再查看該點周圍8鄰域像素點的灰度值之和為2040；若是，則該點是內(nèi)部點，輸出圖像相應(yīng)位置置為黑色。若不是，則輸出該點的坐標信息。 11、設(shè)有一幅二值圖像，采用 33的結(jié)構(gòu)元（每

15、個元素均為1）對其進行腐蝕操作，試寫出得到結(jié)果圖像的方法。 %A是處理的矩陣 B是結(jié)構(gòu)體，此題為3x3的元素均為1的結(jié)構(gòu)體， 用來對A進行掃描的%實現(xiàn)的是簡單的二值圖像的處理灰度圖像有待研究%實現(xiàn)圖像的腐蝕已完成 未測試 function ans =mimerode(A,B) %初始化ha,wa =size(A);hb,wb =size(B);origin =0,0;ans =zeros(ha,wa); for i = 1:hb for j = 1:wb if (B(i,j)= 1) origin = i,j; break; end endend %對矩陣A進行邊擴張 以0補充new_A =z

16、eros(ha+hb*2,wa+wb*2);for i = 1:ha for j = 1:wa new_A(i+hb,j+wb) = A(i,j); endend %對矩陣A進行遍歷for i = 1:ha for j = 1:wa if A(i,j) = 0 continue; end %把B的origin點移到當前處理點 %尋找B的影響區(qū)域塊 begin_i = i + hb - origin(1); begin_j = j + wb - origin(2); %對矩陣new_A中和重合的B中的元素對比 for i1 =begin_i:begin_i+hb-1 for j1 =begin_

17、j:begin_j+wb-1 flag = true; if (B(i1-begin_i+1,j1-begin_j+1)= 1 & new_A(i1,j1) = 0) flag = false break; end end end if flag ans(i,j) = 1; else ans(i,j) = 0; end endend12、寫出二維離散傅立葉變換、反變換的計算公式，給出基于頻域濾波的基本步驟。 二維離散傅里葉變換公式：假設(shè)以正方形網(wǎng)格采樣得到的圖像用f(x,y)來表示，其大小為N行M列，則f(x,y)的二維離散傅里葉變換可以表示為： Fu,v=x=0M-1y=0N-1fx,ye-

18、j2(uxM+vyN), u=0,1,M-1, v=0,1,N-1其反變換為：fx,y= 1MNu=0M-1v=0N-1Fu,ve-j2(uxM+vyN), x=0,1,M-1, y=0,1,N-1基于頻域濾波的基本步驟：（1） 用(-1)x+y乘以圖像來進行中心變換（2） 由（1）計算圖像的DFT（離散傅里葉變換），即F(u,v)（3） 用濾波器函數(shù)H(u,v)乘以F(u,v)（4） 計算（3）中結(jié)果的反DFT（5） 得到（4）中結(jié)果的實部（6） 用(-1)x+y乘以（5）中的結(jié)果13. 請寫出C 均值（K-means）聚類分割的基本步驟。14. 請寫出Canny算子檢測邊緣的詳細步驟。算法過程1高斯函數(shù) 2偏導數(shù):使用微分算子求出偏導數(shù) 3非極大值抑制： 沿幅角方向檢測模值的極大值點，即邊緣點，遍歷8個方向圖像像素，把每個像素偏導值與相鄰像素的模值比較，取其MAX值為邊緣點，置像素灰度值為0.3雙閾值檢測： 由于單閾值處理時，合適的閾值選擇較 困難，常常需要采用反復試驗，因此采用雙閾值檢測算法。 對經(jīng)過非極大值抑制后的圖像作用兩個閾值th1，th2，th1=0.4th2,兩個閾值作用后得到兩個圖像1、2，較大閾值檢測出的圖像2去除了大部分噪聲，但是也損失了有用的邊緣信息。較小閾值檢測得到的圖像1則保留著較多的邊緣信息，以此為基礎(chǔ)，補充圖像2中的丟